Progettazione e Sviluppo di un Sistema di Visione e Software per il Controllo Qualità di superfici di parti tornite

This thesis addresses the design and experimental validation of a machine vision system for the automated inspection of turned metallic components, with a focus on inverted “T-shaped” geometries. The aim is to overcome the limitations of manual inspection, which is still widely used but inherently subjective, slow, and poorly traceable, by proposing an automated, more efficient, and industrially viable approach. After a review of the state of the art, several illumination and optical configurations were studied, identifying coaxial illumination as the most effective solution to highlight milling scratches on reflective surfaces. A complete prototype was developed, integrating a coaxial illuminator, industrial optics, and a high-resolution camera, capable of acquiring reliable and repeatable images. In parallel, Python-based software was implemented for preprocessing and automatic defect detection using statistical analysis and cross-correlation, later validated with artificial data augmentation. Experimental tests demonstrated the technical feasibility of the system, achieving an accuracy above 85% and analysis times compatible with in-line industrial integration. A comparative economic analysis confirmed the cost-effectiveness of automation over manual inspection in terms of Total Cost of Ownership and return on investment. This work represents a preliminary step towards the industrialization of the solution, with future developments oriented toward integration with automated handling systems, refinement of algorithms through machine learning and deep learning, and validation on larger datasets. The results contribute to the transition toward Industry 4.0, showing how the synergy between optical experimentation and advanced software tools can enable more efficient, reliable, and traceable quality control.

Il presente lavoro di tesi affronta la progettazione e la validazione sperimentale di un sistema di visione artificiale per l’ispezione automatizzata di superfici di componenti metallici torniti, con particolare riferimento a geometrie a “T rovesciata”. L’obiettivo è superare i limiti dell’ispezione manuale, ancora diffusa ma intrinsecamente soggettiva, lenta e poco tracciabile, proponendo un approccio automatizzato più efficiente e industrialmente applicabile. Dopo un’analisi dello stato dell’arte, sono state studiate diverse configurazioni di illuminazione e ottiche, individuando nell’illuminazione coassiale la soluzione più adatta per evidenziare difetti di fresatura su superfici riflettenti. È stato realizzato un prototipo completo, integrato con illuminatore coassiale, ottica industriale e telecamera ad alta risoluzione, capace di acquisire immagini affidabili e ripetibili. Parallelamente è stato sviluppato in Python un software di preprocessing e rilevamento automatico dei difetti basato su analisi statistica e cross-correlation, successivamente validato con tecniche di data augmentation artificiale. I test sperimentali hanno dimostrato la fattibilità tecnica del sistema, con un’accuratezza superiore all’85% e tempi di analisi compatibili con l’integrazione in linea produttiva. L’analisi economica comparativa ha evidenziato la convenienza, in termini di Total Cost of Ownership e ritorno dell’investimento, dell’automazione rispetto al controllo manuale. Il lavoro rappresenta un passo preliminare verso l’industrializzazione della soluzione, con sviluppi futuri orientati all’integrazione con sistemi di movimentazione automatica, al perfezionamento degli algoritmi mediante tecniche di machine learning e deep learning e alla validazione su campioni più numerosi. I risultati conseguiti si collocano nel contesto della transizione verso l’Industria 4.0, dimostrando come la sinergia tra sperimentazione ottica e strumenti software avanzati possa abilitare un controllo qualità più efficiente, affidabile e tracciabile.